論文の概要: DFGC 2021: A DeepFake Game Competition

• arxiv url: http://arxiv.org/abs/2106.01217v1
• Date: Wed, 2 Jun 2021 15:10:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-03 14:27:07.854379
• Title: DFGC 2021: A DeepFake Game Competition
• Title（参考訳）: dfgc 2021:ディープフェイクゲームコンテスト
• Authors: Bo Peng, Hongxing Fan, Wei Wang, Jing Dong, Yuezun Li, Siwei Lyu, Qi Li, Zhenan Sun, Han Chen, Baoying Chen, Yanjie Hu, Shenghai Luo, Junrui Huang, Yutong Yao, Boyuan Liu, Hefei Ling, Guosheng Zhang, Zhiliang Xu, Changtao Miao, Changlei Lu, Shan He, Xiaoyan Wu, Wanyi Zhuang
• Abstract要約: 本稿では,DFGC 2021コンペティションの概要を紹介する。 DeepFakeの技術は急速に発展しており、現実的なフェイススワップはますます認知しにくくなっている。 このコンペティションは、現在の最先端のDeepFake生成と検出方法の間の対戦ゲームをベンチマークするための共通プラットフォームを提供する。
• 参考スコア（独自算出の注目度）: 58.77039013470618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a summary of the DFGC 2021 competition. DeepFake technology is developing fast, and realistic face-swaps are increasingly deceiving and hard to detect. At the same time, DeepFake detection methods are also improving. There is a two-party game between DeepFake creators and detectors. This competition provides a common platform for benchmarking the adversarial game between current state-of-the-art DeepFake creation and detection methods. In this paper, we present the organization, results and top solutions of this competition and also share our insights obtained during this event. We also release the DFGC-21 testing dataset collected from our participants to further benefit the research community.
• Abstract（参考訳）: 本稿では,DFGC 2021コンペティションの概要を紹介する。 DeepFakeの技術は急速に発展しており、現実的なフェイススワップはますます認知しにくくなっている。 同時に、DeepFake検出方法も改善されている。 DeepFakeのクリエーターとディテクターの2人組のゲームがある。 このコンペティションは、現在の最先端のDeepFake生成と検出方法の間の対戦ゲームをベンチマークするための共通プラットフォームを提供する。 本稿では、このコンペティションの組織、成果、そしてトップソリューションを紹介し、このイベントで得られた洞察を共有します。 また、参加者から収集したDFGC-21テストデータセットもリリースし、研究コミュニティにさらなる利益をもたらしました。

関連論文リスト

• Beyond Detection: Visual Realism Assessment of Deepfakes [1.0832844764942349]
  我々は2つの畳み込みニューラルネットワーク(CNN)モデル(EvaとConvNext)のアンサンブルを利用する。 我々は,フレームのシーケンスから抽出した特徴に基づいて,DeepFakeビデオから平均オピニオンスコア(MOS)を予測することを目指している。 本手法は,2023年国際バイオメトリックス会議と共同で開催したDFGC on Visual Realism Assessmentにおいて,第3位を確保した。
  論文  参考訳（メタデータ） (2023-06-09T15:53:01Z)
• DFGC 2022: The Second DeepFake Game Competition [93.05016504907401]
  ディープフェイクは急速に進化しており、現実的なフェイススワップは認識しにくくなっている。 DeepFakeのクリエーターとディフェンダーの間には2人組のゲームがある。 このコンペティションは、DeepFakeの生成と検出方法における現在の最先端のゲームをベンチマークするための共通のプラットフォームを提供する。
  論文  参考訳（メタデータ） (2022-06-30T09:13:06Z)
• Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
  競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。 チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-04-14T17:24:54Z)
• 3D High-Fidelity Mask Face Presentation Attack Detection Challenge [79.2407530090659]
  大規模なHigh-Fidelity Maskデータセット、すなわちCASIA-SURF HiFiMaskが収集された。 我々は,3次元マスクによる攻撃検出の研究を促進するために,3次元高忠実マスク顔提示検出チャレンジを組織した。
  論文  参考訳（メタデータ） (2021-08-16T08:40:12Z)
• NTIRE 2021 Multi-modal Aerial View Object Classification Challenge [88.89190054948325]
  CVPR の NTIRE 2021 ワークショップと共同で,MAVOC (Multi-modal Aerial View Object Classification) の最初の挑戦を紹介した。 この課題は、EOとSAR画像を用いた2つの異なるトラックで構成されている。 本コンペティションで提案した最上位の手法について検討し,その成果を目視テストセットで評価する。
  論文  参考訳（メタデータ） (2021-07-02T16:55:08Z)
• MFR 2021: Masked Face Recognition Competition [43.60381669339876]
  参加チームは10チームが参加し、応募は有効だった。 これらのチームの提携は多様であり、9カ国のアカデミアや産業と結びついている。 このコンペティションは、マスクされた顔の顔認識精度を高めるためのソリューションの動機付けを目的としている。
  論文  参考訳（メタデータ） (2021-06-29T11:59:56Z)
• Countering Malicious DeepFakes: Survey, Battleground, and Horizon [17.153920019319603]
  DeepFakeと呼ばれる深い生成的アプローチによる顔の外観の作成と操作は、大きな進歩を遂げました。 この新しい技術の邪悪な側面は、別の一般的な研究、すなわち本物のものから偽の顔を識別することを目的としたDeepFake検出を提示します。 コミュニティにおけるDeepFake関連の研究の急速な発展に伴い、双方(すなわちDeepFakeの生成と検出)は戦場の関係を形成している。
  論文  参考訳（メタデータ） (2021-02-27T13:48:54Z)
• DeeperForensics Challenge 2020 on Real-World Face Forgery Detection: Methods and Results [144.5252578415748]
  本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。 この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。 115人の参加者が参加し、25のチームが有効な応募を行った。
  論文  参考訳（メタデータ） (2021-02-18T16:48:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。